Цель исследования. Оценить возможность использования и оценить перспективность методов анализа больших данных (big data) для оценки качества и рациональности фармакотерапии пациентов с артериальной гипертензией.
Материалы и методы. Данные об отпуске лекарственных препаратов (ЛП) для льготной федеральной и региональной категории граждан. Анализ данных осуществлялся на основе программ на Python 3.6, OLAP систем. Фармакоэпидемиологические методы были основаны на DDD методологии.
Результаты. Выявлено, что от исходного до последующего визита проходило в среднем 86 дней и 25% пациентов в исследуемых районах Республики Татарстан в 2013 году пришли на следующий прием через 90 и более дней. Кроме лекарственных препаратов для сердечно-сосудистой системы категории C ATX, в 10% случаев выписывались лекарственные препараты других категорий (ацетилсалициловая кислота, пирацетам, церебролизин и др.). Наиболее используемыми ЛП являются ингибиторы ренин-ангиотензиновой системы (196 DDD/чел./год), на втором месте по объему потребления — антагонисты кальциевых каналов (50,4 DDD/чел./год). Регистрировались существенные различия в потреблении антигипертензивных ЛП между районами (до 3,5 раз).
Заключение. Рациональная фармакотерапия и высокая приверженность к лечению артериальной гипертензии регистрировались не во всех случаях. Методы анализа больших данных являются перспективным инструментом оценки рациональности и качества фармакотерапии, которые позволяют оценивать качественные и количественные показатели фармакотерапии на уровне генеральной совокупности.
Введение
Качество и безопасность медицинской помощи определены Всемирной организацией здравоохранения стратегическим приоритетами мирового здравоохранения. Эти проблемы должны стать первоочередными задачами государственных систем здравоохранения. Однако, существующая в Российской Федерации политика качества медицинской помощи нуждается в пересмотре с позиции новых подходов и методов (1).
Анализ причин смертности населения РФ показывает, что в структуре смертности основную долю продолжают занимать болезни системы кровообращения (IX класс МКБ-10) (2) и смертность на 80% состоит из модифицируемых причин (1). Одним из предикторов смертности от болезней сердца является артериальная гипертензия (АГ), которую ВОЗ также признала в качестве ведущего фактора обуславливающего высокую смертность в обществе. АГ общемировая проблема и проведенный анализ среднего систолического и диастолического артериального давления по всем странам мира за период 1975 – 2015 годы показал, что распространенность повышения артериального давления в 2015 году составила 24,1% у мужчин и 20,1% у женщин, число взрослых пациентов, страдающих АГ повысилось с 594 миллионов в 1975 до 1,13 биллионов в 2015 году (3).
Эффективное противодействие АГ основано на профилактике факторов риска, модификации образа жизни и эффективной фармакотерапии. К сожалению, выполнение этих положений на практике осуществляется не всегда. Рациональность и качество фармакотерапии продолжает оставаться приоритетным направлением работы специалистов в системе здравоохранения. Дефекты фармакотерапии мировая проблема. Показано, что в США ежегодно от неправильного использования лекарственных препаратов (ЛП) страдает 1,3 млн. человек (MedicineNet.com). По данным ВОЗ более половины лекарственных препаратов назначается без соблюдения необходимых условий. В реальной клинической практике врачами не всегда используются доказанные лекарственные препараты, методы диагностики и лечения. Соответственно, существует резерв дополнительных лет жизни населения, связанный с повышением качества и эффективности фармакотерапии хронических заболеваний, в том числе АГ (1). Одним из важных трендов современного здравоохранения является широкое внедрение информационных систем, баз данных, средств хранения и передачи информации. Среди перспективных направлений последних лет сформировался анализ больших данных BIG DATA с целью получения полезной информации (4). Он имеет преимущества перед классическими выборочными методами за счет получения более точной и достоверной информации. Анализ доступной литературы не выявил работ, посвященных анализу многомерной и структурированной информации из хранилищ данных с целью получения фармакоэпидемиологических оценок и оценки качества фармакотерапии больных с АГ.
Цель исследования
Оценить возможность использования и оценить перспективность методов анализа больших данных (big data) для оценки качества и рациональности фармакотерапии пациентов с артериальной гипертензией.
Материалы и методы
Объектом исследования были данные об отпуске ЛП для льготной (федеральной и региональной) категории граждан в Республике Татарстан. На основе исходной информации была сформирована база данных по отпущенным льготным лекарственным препаратам для больных трёх районов региона за 2013-2015 годы. Для анализа данных и извлечения сводной информации были написаны программы с использованием языка Python 3.6. Всего было разработано более двадцати компьютерных программ. Для преобразования в структурированные данные пригодные для анализа проводилась предобработка исходной информации, представленной в виде записей текстовых строк, на основе ETL (Extract, Transform, Load) подхода. Первичные данные были очищены от лишней информации, извлечено название ЛП, проведена кодификация ЛП (АТХ код), проведен расчет суммарной выписанной дозы в мг и число выписанных DDD доз. ETL компонент был реализован на основе программ на языке Python 3.6. Отдельные элементы обрабатывались с использованием программ на VB.net. На выходе был получен файл в формате EXCEL пригодный для последующей аналитической обработки. Для расчета фармакоэпидемиологических показателей и показателей качества использовали OLAP систему PowerPivot (Microsoft) и SPSS Statistics ver. 22 (IBM) (5). Фармакоэпидемиологические методы были основаны на DDD методологии (6). Рассчитывались количество отпущенных DDD доз, объем потребления на одного жителя района или пациента, страдающего артериальной гипертензией. Статистический анализ проводили на основе расчета статистических показателей (средних, долей и др.).
Результаты
Важным элементом лечебно-диагностического процесса является последовательность фармакотерапии, заключающееся в том, что пациент принимает лекарственные препараты систематически и постоянно. Показано, что приверженность к лечению не носит абсолютного характера и часть пациентов не является на прием для очередной выписки лекарственных препаратов. Доказано, что повышение приверженности существенно влияет на исходы АГ. Для понимания как можно оценить приверженность на основе изучения базы данных нами проведен процессный анализ на основе изучения временных промежутков между визитами. В частности, нами проведена оценка интервала времени от нулевого до последующего визита. Этот показатель отражает через какое время пациент пришел на очередной прием для получения лекарственного препарата. Результаты оценки данного показателя представлены на рисунке 1 в виде гистограммы распределения и статистических показателей этого распределения.
Представленные на рисунке 1 результаты свидетельствуют о следующих закономерностях. В среднем от момента исходного до последующего визита проходило 86 дней. Однако, данный показатель сложно интерпретировать поскольку выборка не имеет нормального распределения. Колебания показателя варьируются от 1 до 954, т.е. были существуют пациенты, которые пришли за антигипертензивными препаратами через 2 года. Более устойчивым показателем для выборок, в которых распределение отличается от нормального является медиана, которая составляет 41 день. Данная проблема и пути ее решения обсуждены нами ранее в монографии «Математическая статистика в экспериментальной и клинической фармакологии» (5). Другими важными показателями «не нормальной» выборки являются значения верхних и нижних квартилей, значение которых составляет 27 и 89 дней. Это позволяет сказать, что 25% пациентов с АГ в исследуемых районах в 2013 году пришли на следующий прием через 90 и более дней.
Для оценки как потребление ЛП соотносится с интервалами визитов мы оценили среднее количество DDD доз препаратов категории С выписанной на приеме. Этот показатель составил 42,2 DDD дозы на один рецепт. Таким образом, сопоставляя ее с показателем медианы 41 день можно сделать заключение, что в среднем около 50% пациентов получают объем ЛП меньше необходимого до следующего визита. Это может быть объяснено тем, что часть времени пациенты не принимают ЛП или покупают за собственный счет. Для оценки фармакоэкономических детерминант использования ЛП у больных с АГ мы оценили структуру затрат на ЛП различных классов (таб. 1).
Результаты анализа данных таблицы 1 показывает, что помимо лекарственных препаратов категории C в 10% случаев выписывались лекарственные препараты других категорий. Для понимания какие лекарственные препараты других групп были назначены был проведен анализ структуры затрат с использованием метода Парето, результаты которого представлены в таблице 2.
Выявлено что основным лекарственным препаратом, который выписывался для больных с АГ была ацетилсалициловая кислота. У данного лекарственного препарата нет показания к назначению при артериальной гипертензии, однако она может назначаться пациентам при сопутствующей ИБС или склонности к тромбообразованию. Для лечения сопутствующей ишемической болезни сердца могут быть использованы такие лекарственные препараты как дипиридамол и клопидогрел. Пирацетам и Церебролизин не имеют прямых показаний для больных гипертонической болезнью, однако могут быть использованы для коррекции сопутствующих когнитивных нарушений. Эпоэтин альфа не может рассматриваться как лекарственный препарат, показанный больным с артериальной гипертензией.
Для оценки потребления антигипертензивных ЛП мы провели фармакоэпидемиологический анализ потребления ЛП для снижения АД среди пациентов, страдающих данным заболеванием (таб. 3).
Анализ данных таблицы 3 и 4 позволяет сделать ряд заключений. Потребление ЛП в различных районах Республики Татарстан не однозначно; различия достигают 3,5 раз. Оценка структуры потребления показала, что наиболее используемыми ЛП являются ингибиторы ренин-ангиотензиновой системы, на втором месте по объему потребления располагаются антагонисты кальциевых каналов, на третьем – диуретики, четвертом – бета-адреноблокаторы. Средний объем потребления в DDD дозах за исследуемый период вырос на 18% и достиг 249,8 DDD доз/человека/год
Обсуждение
Выявленные факты свидетельствуют о наличии проблем при выписке лекарственных препаратов. Медицинским работникам необходимо пересмотреть практику назначения и обоснования выписки льготных препаратов. Подобные отличия свидетельствуют о неравнозначности подходов к фармакотерапии больных в различных учреждениях здравоохранения. Врачи имеют различные приоритеты в назначении ЛП различных групп, что, по нашему мнению, свидетельствует о существовании стереотипов назначения врачами ЛП.
Настоящее исследование позволило оценить возможности подходов на основе анализа больших данных для оценки рациональности и качества фармакотерапии. На текущий момент объем собираемых медицинских данных в Республике Татарстан значительный. Однако, степень анализа и понимания информации недостаточна.
Базы данных являются ключевыми объектами современной системы здравоохранения, в тоже время в Российской Федерации единичные работы посвящены вопросам выявления и использования закономерностей для нужд практического здравоохранения. Сама по себе интеграция и накопление данных не дает значительного повышения эффективности процессов профилактики и лечения заболеваний людей. В частности, внедрение системы электронных историй болезни в клиниках позволило добиться повышения скорости доступа к данным, снизило число ошибок, однако на процесс диагностики и качество медицинской помощи это не повлияло. Соответственно, увеличение числа и информативности критериев диагностики, а также появление информационных систем в области здравоохранения, позволяющих хранить и управлять информацией потребовало разработки новых подходов к анализу медицинских данных. В работах зарубежных исследователей эта проблема обсуждается, показана перспективность использования баз данных как инструмента эффективного принятия решений в системе управления здравоохранением (8). Возможности и перспективы методов анализа данных обсуждены нами в ранее опубликованной работе (9).
Проблема больших данных заключается в том, что эксперт не в состоянии проанализировать все данные, содержащиеся в базе данных. Оценивать качество и эффективность каждого назначения затратно по времени и ресурсам. Показано, что результаты получаемые на основе анализа больших источников имеют меньшее количество искажений и ошибок.
Несмотря на широкое использование принципов связанных с DDD дозами в литературе очень мало информации относительно интерпретации получаемых результатов. обычно, исследователи интерпретируют частоту с позиции “высокая и низкая” (10,11). Стандартов, определяющих какую частоту считать нормальной, а какую отклонением, требующим вмешательства не установлено. Федеральные стандарты регламентируют среднюю частоту назначения и не могут быть использованы для этих целей.
Исходя из методологии расчета DDD доз можно рассчитать, что если пациент принимает лекарственный препарат 365 дней в году, то математическое ожидание распределения (среднее арифметическое число DDD доз) в исследуемой группе пациентов должна составить не менее 365. Однако, результаты настоящего исследования показывают, что в группе пациентов с артериальной гипертензией этот показатель значительно ниже. Построена гистограмма распределения пациентов по числу принимаемых DDD доз показала, что наибольшее число пациентов получало менее 50 DDD доз в год. С одной стороны, это может свидетельствует в пользу того, что часть из лекарственных препаратов пациенты покупали самостоятельно. Однако, с другой стороны, можно предположить, что пациенты не принимали лекарственные препараты и не обращались к врачу. Соответственно, представленный показатель можно рассматривать как косвенный индикатор приверженности к лечению.
Результаты исследования позволяют пересмотреть существующие представления о закономерностях потребления ЛП. Общепринято, что система DDD доз используется для фармакоэпидемиологических исследований. Полагается, что если величина потребления составила 20 DDD/1000 человек/день, то это означает, что 2% населения ежедневно принимают данное ЛС (т.е. получают постоянное лечение) (11). Соответственно в популяции пациентов, которые должны постоянно получать лекарственный препарат, оценка DDD позволяет оценить сколько же в году пациент в среднем получал лекарственный препарат. Этот показатель позволяет оценить среднее число дней в году, в течение которых один житель получает лечение каждый день.
На основании результатов настоящего исследования можно сделать заключение о перспективности медицинских информационных баз данных для нужд фармакоэкономики и фармакоэпидемиологии. Доказано, что существует резерв повышения качества и рациональности фармакотерапии при сердечно-сосудистых заболеваниях. Необходима разработка региональной программы повышения качества и рациональности фармакотерапии.
Заключение
Рациональная фармакотерапия и высокая приверженность к лечению артериальной гипертензии регистрируется не во всех случаях. Методы анализа больших данных являются перспективным инструментом оценки рациональности и качества фармакотерапии, которые позволяют оценивать качественные и количественные показатели фармакотерапии на уровне генеральной совокупности.
Литература
- Хабриев Р.У., Линденбратен А.Л., Комаров Ю.М. Стратегия охраны здоровья населения как основа социальной политики государства. Проблемы социальной гигиены, здравоохранения и истории медицины. 2014;(3):3–5.
- Голикова Т.А. О разработке и принятии региональных программ модернизации здравоохранения. Менеджмент качества в сфере здравоохранения и социального развития. 2011;(1):4–10.
- Worldwide trends in blood pressure from 1975 to 2015: a pooled analysis of 1479 population-based measurement studies with 19·1 million participants. The Lancet. 2016;389(10064):37–55.
- Loewen L., Roudsari A. Evidence for Busines Intelligence in Health Care: A Literature Review. Stud Health Technol Inform. 2017;235:579–83.
- Хафизьянова Р.Х., Бурыкин И.М., Алеева Г.Н. Математическая статистика в экспериментальной и клинической фармакологии. Казань: Медицина; 2006. 374 с.
- Зиганшина Л.Е., Магсумова Д.Р., Кучаева А.В., Пикуза О.И., Герасимов В.Б., Яворский А.Н. ATC/DDD классификационная система в фармакоэпидемиологических исследованиях. Качественная Клиническая Практика. 2004;(1):28–33.
- ВНОК. Диагностика и лечение артериальной гипертензии. Кардиоваскулярная терапия и профилактика. 2008;7(6. Приложение 2.):7–34.
- Nimmagadda S.L., Dreher H.V. On robust methodologies for managing public health care systems. Int J Environ Res Public Health. январь 2014;11(1):1106–40.
- Хафизьянова Р.Х., Алеева Г.Н., Бурыкин И.М. Перспективы использования data mining методов анализа данных в медицине. В: Материалы Международной научно – практической конференции «Роль неправительственных организаций в решении проблем, связанных с разработкой и внедрением инновационных технологий во всех сферах человеческой деятельности», посвященной 15-летию образования Академии информатизации Республики Татарстан (2 часть). Казань; 2010. с. 32–9.
- Кармалита Е.Е., Юрьев К.Л. Потребление лекарственных средств для лечения артериальной гипертензии. Украинский медицинский журнал. 2007;61(5):63–72.
- Якушева Е.Н. Возможности использования системы стандартных дневных доз. Вестник Волгоградского государственного медицинского университета. 2008;26(2):74–7.